Show simple item record

dc.contributor.authorLessmann, Stefan
dc.contributor.authorVoß, Stefan
dc.date2010-04-01
dc.date.accessioned2018-01-16T08:59:25Z
dc.date.available2018-01-16T08:59:25Z
dc.date.issued2010
dc.identifier.issn1861-8936
dc.identifier.urihttp://dl.gi.de/handle/20.500.12116/12931
dc.description.abstractDie Klassifikation repräsentiert ein wichtiges Instrument zur Unterstützung kundenbezogener Planungs- und Entscheidungsprobleme. Hierzu zählen z. B. die Prognose von Abwanderungswahrscheinlichkeiten im Vertragskundengeschäft oder die Abgrenzung einer geeigneten Zielgruppe für Marketingkampagnen. Während die Entwicklung neuer Klassifikationsverfahren ein populäres Forschungsfeld repräsentiert, werden entsprechende Neuerungen in der betrieblichen Praxis bisher nur selten eingesetzt. Diese Divergenz zwischen wissenschaftlichen und praktischen Interessen lässt sich z. T. dadurch erklären, dass das Potenzial moderner Klassifikationsverfahren in diesem Anwendungskontext noch nicht hinreichend geklärt ist. Die vorliegende Arbeit möchte einen Beitrag zur Schließung dieser Erkenntnislücke liefern. Hierzu wird eine empirische Studie durchgeführt, in deren Rahmen eine große Zahl etablierter wie neuer Klassifikationsverfahren verglichen wird. Eine Bewertung erfolgt anhand der Kosten bzw. Erträge, welche sich aus dem Einsatz einer bestimmten Methode in einer konkreten Entscheidungssituation ergeben. Die Untersuchung zeigt, dass eine stärkere Berücksichtigung moderner Methoden durchaus empfohlen werden kann und diese unter verschiedenen Bedingungen einen ökonomischen Mehrwert bieten.AbstractClassification analysis is an important tool to support decision making in customer-centric applications like, e.g., proactively identifying churners or selecting responsive customers for direct-marketing campaigns. Whereas the development of novel algorithms is a popular avenue for research, corresponding advancements are rarely adopted in corporate practice. This lack of diffusion may be explained by a high degree of uncertainty regarding the superiority of novel classifiers over well established counterparts in customer-centric settings. To overcome this obstacle, an empirical study is undertaken to assess the ability of several novel as well as traditional classifiers to form accurate predictions and effectively support decision making. The results provide strong evidence for the appropriateness of novel methods and indicate that they offer economic benefits under a variety of conditions. Therefore, an increase in use of respective procedures can be recommended.
dc.publisherSpringer
dc.relation.ispartofWirtschaftsinformatik: Vol. 52, No. 2
dc.relation.ispartofseriesWIRTSCHAFTSINFORMATIK
dc.subjectClassification models
dc.subjectCustomer relationship management
dc.subjectData mining
dc.subjectData Mining
dc.subjectDecision support
dc.subjectEntscheidungsunterstützung
dc.subjectKlassifikation
dc.subjectKundenbeziehungsmanagement
dc.titleUnterstützung kundenbezogener Entscheidungsprobleme
dc.typeText/Journal Article
mci.reference.pages79-93
gi.identifier.doi10.1007/s11576-010-0216-4


Files in this item

FilesSizeFormatView

There are no files associated with this item.

Show simple item record